論文の概要: Anomaly Detection in Offshore Wind Turbine Structures using Hierarchical Bayesian Modelling

• arxiv url: http://arxiv.org/abs/2402.19295v1
• Date: Thu, 29 Feb 2024 15:58:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 14:05:19.798544
• Title: Anomaly Detection in Offshore Wind Turbine Structures using Hierarchical Bayesian Modelling
• Title（参考訳）: 階層型ベイズモデルによる沖合風車構造物の異常検出
• Authors: S. M. Smith, A. J. Hughes, T. A. Dardeno, L. A. Bull, N. Dervilis, K. Worden
• Abstract要約: オフショア・ウィンドファームは、名目上同定されたウィンドタービン構造の人口と見なすことができる。 例えば、幾何学、海底条件、温度差などである。 本稿では, 人口および地域レベルでの土壌硬度分布を推定するために, 階層型ベイズモデルを用いて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Population-based structural health monitoring (PBSHM), aims to share information between members of a population. An offshore wind (OW) farm could be considered as a population of nominally-identical wind-turbine structures. However, benign variations exist among members, such as geometry, sea-bed conditions and temperature differences. These factors could influence structural properties and therefore the dynamic response, making it more difficult to detect structural problems via traditional SHM techniques. This paper explores the use of a hierarchical Bayesian model to infer expected soil stiffness distributions at both population and local levels, as a basis to perform anomaly detection, in the form of scour, for new and existing turbines. To do this, observations of natural frequency will be generated as though they are from a small population of wind turbines. Differences between individual observations will be introduced by postulating distributions over the soil stiffness and measurement noise, as well as reducing soil depth (to represent scour), in the case of anomaly detection.
• Abstract（参考訳）: 人口ベース構造健康モニタリング(PBSHM)は、人口間で情報を共有することを目的としている。 オフショア風(ow)農場は名目上同一の風力タービン構造の人口と見なすことができた。 しかし、幾何学、海底条件、温度差など、メンバー間での良質な差異が存在する。 これらの因子は構造特性や動的応答に影響を与える可能性があるため、従来のSHM技術による構造問題の検出が困難になる。 本稿では, 既設および新規のタービンに対して, 異常検出を行うための基礎として, 人口および局地レベルの土壌剛性分布を推定するための階層ベイズモデルの利用について検討する。 これを実現するため、自然周波数の観測は風力タービンの少ない個体群から発生するかのように行われる。 地盤の硬さと測定ノイズの分布を仮定し, 地盤の深さを減少させることにより, 異常検出を行うことにより, 個々の観測値の違いがもたらされる。

関連論文リスト

• Multitask learning for improved scour detection: A dynamic wave tank study [0.0]
  オフショア・ウィンドファームは、名目上同定されたウィンドタービン構造の人口と見なすことができる。 例えば、幾何学、海底条件、温度差などである。 本稿では,基礎硬度分布パラメータを人口および地域レベルで推定するために,ベイズ階層モデルを用いた学習手法について検討する。
  論文  参考訳（メタデータ） (2024-08-29T13:39:01Z)
• VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
  地理空間植生予測タスクのためのVegeDiffを提案する。 VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。 植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
  論文  参考訳（メタデータ） (2024-07-17T14:15:52Z)
• Population-based wind farm monitoring based on a spatial autoregressive approach [0.0]
  人口ベースの構造的健康モニタリングは、健康モニタリングシステムのコストをさらに削減することができる。 人口・農業レベルでタービンの性能を監視するためには、すべてのタービンの挙動を記述するモデルを構築することが重要な初期段階である。 本稿では, 覚醒効果によって引き起こされる空間的および時間的相関(タービン間)を明示的に捉えた集団レベルのモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-16T16:26:40Z)
• Integration of geoelectric and geochemical data using Self-Organizing Maps (SOM) to characterize a landfill [0.0]
  公共利用のために帯水層に影響を及ぼすリスクは、ほとんどの場合、差し迫っている。 地電データ(比抵抗とIP)と表面メタン測定は、教師なしニューラルネットワークを用いて統合され、分類される。 また, 埋立処分場における影響地域を正確に推定し, 入力変数をSOMを用いて統合した。
  論文  参考訳（メタデータ） (2023-09-17T05:38:54Z)
• Weakly Supervised Representation Learning with Sparse Perturbations [82.39171485023276]
  潜伏変数のスパース摂動によって生じる観測の監督が弱い場合、未知の連続潜伏分布の下で識別が達成可能であることを示す。 本稿では,この理論に基づく自然な推定手法を提案し,それを低次元の合成および画像に基づく実験で説明する。
  論文  参考訳（メタデータ） (2022-06-02T15:30:07Z)
• Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
  風力タービンの健全性解析のための2つの新しい手法を提案する。 第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。 第2の方法は抽出された概念の全体的ドリフトを評価する。
  論文  参考訳（メタデータ） (2021-12-09T14:04:55Z)
• Uncertainty Set Prediction of Aggregated Wind Power Generation based on Bayesian LSTM and Spatio-Temporal Analysis [42.68418705495523]
  本稿では,地理的に分散した風力発電所の集合的発生の不確かさの予測に焦点をあてる。 近傍の風力発電場における部分的な観測から動的特徴を学習するための時空間モデルを提案する。 中国北西部の6つの風力発電所の実際のデータに基づく数値実験の結果,集合風力発電の不確実性セットは1つの風力発電所のそれよりも揮発性が少ないことがわかった。
  論文  参考訳（メタデータ） (2021-10-07T11:57:16Z)
• Multi-target normal behaviour models for wind farm condition monitoring [0.0]
  本研究は、風力タービンの正常な挙動を捉えるための新しいアプローチとして、マルチターゲットモデルについて検討する。 マルチターゲットモデルが単一ターゲットモデルと比較して有利であることから,実用条件監視のコストと労力を削減できることが判明した。
  論文  参考訳（メタデータ） (2020-12-05T16:46:35Z)
• CausalVAE: Structured Causal Disentanglement in Variational Autoencoder [52.139696854386976]
  変分オートエンコーダ(VAE)の枠組みは、観測から独立した因子をアンタングルするために一般的に用いられる。 本稿では, 因果内因性因子を因果内因性因子に変換する因果層を含むVOEベースの新しいフレームワークCausalVAEを提案する。 その結果、CausalVAEが学習した因果表現は意味論的に解釈可能であり、DAG(Directed Acyclic Graph)としての因果関係は精度良く同定された。
  論文  参考訳（メタデータ） (2020-04-18T20:09:34Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。